基于VMD和双重注意力机制LSTM的短期光伏功率预测

• 作者: 杨晶显 张帅 刘继春 刘俊勇 向月 韩晓言
• 来源期刊: 电力系统自动化
• 关键词: 光伏功率预测 变分模态分解 特征注意力机制 时间注意力机制 长短期记忆 数据驱动
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 学术研究
• 页码范围: 174-182
• 页数: 9页
• 语种: 中文
• DOI: 10.7500/AEPS20200226011

摘要

提出了一种基于变分模态分解(VMD)和双重注意力机制长短期记忆(LSTM)的短期光伏功率预测方法.针对光伏功率信号的波动性和非平稳性,利用VMD将光伏功率输出分解为不同频率的分量,使用LSTM对各分量进行预测,并在LSTM基础上引入特征和时序双重注意力机制.为自主挖掘光伏功率输出与各气象特征之间的关联关系,避免传统方法依赖于专家经验关联规则阈值的限制,引入特征注意力机制实时计算各气象特征量的贡献率,并对特征权重进行修正;同时,为挖掘当前时刻光伏功率输出与历史时序信息之间的关联关系,引入时序注意力机制自主提取历史关键时刻点信息,提高长时间序列预测效果的稳定性.基于中国西南某实际光伏发电站数据进行预测实验,并与其他方法进行对比,验证了该方法的有效性.